随着工业水平朝着复杂化的发展与计算机技术的大规模应用,故障诊断方法成为了工业生产中的重点问题。通过对生产过程的的状态进行观察与预测,能够在故障发生之前及时发现工况异常,诊断出故障发生位置,合理消除噪声干扰,从而保证工业生产过程正常、安全运行。伴随着计算机的发展,工业生产过程中大量的信息都可以完整保存下来。因此,如何合理运用这些信息,通过分析大数据来判断工况是否正常,成为了研究领域的热点问题。在这样的时代背景下,基于数据驱动的故障诊断方法收到了广泛关注,并成功的应用于冶金、制药的生产过程中,在监控与检测领域体现了优越性。多元统计分析以主成分分析(PCA)与偏最小二乘法(PLS)为主,该方法不需要建立具体的数学模型,适用于产生大量数据的工况。通过对高维数据进行降维处理,可以提高计算效率,因此具有重要的研究价值与实用性。本文通过对主成分分析与偏最小二乘法的研究,并结合风力发电机的的工况进行仿真研究。论文的主要内容如下:说明了故障诊断技术在自动控制领域的重要性及其意义。介绍了故障诊断与数据驱动的方法在最近半个世纪来的发展历史。建立了主元模型的具体表达形式,描述了主元分析的基本理论,以及基于主元分析的建模方法,与利用统计图和贡献图进行基本的故障定位。针对传统主元分析方法的不足,研究了重构主元方法,并且针对重构方法无法诊断多故障同时发生的情况,对重构法做了改变。介绍了偏最小二乘法的基本理论,并且仿真对比了主元分析与偏最小二乘法的诊断效果,分析了两种方法在今后的研究趋势。总结与展望。对本文内容进行了总结,并对数据驱动的下一步研究计划作出了规划。